Anthropicは2026年2月5日(米国時間)、複数のClaudeインスタンスが人間の介入なしに共有コードベース上で並列に働く「エージェントチーム」の実験を紹介するエンジニアリング記事を公開しました。SafeguardsチームのNicholas Carlini氏が、Opus 4.6を使う16体のエージェントに、RustによるC言語コンパイラをゼロから開発させたものです。約2,000回のClaude Codeセッションと2万ドルのAPIコストを経て、x86・ARM・RISC-VでLinux 6.9をビルドできる10万行のコンパイラが完成しました。

エージェントチームの仕組み

既存のエージェント環境では、長く複雑な問題を与えてもモデルはやがて停止して人間の入力を待ってしまいます。そこで筆者は、1つのタスクを終えるとすぐに次のタスクを拾う単純なループでClaude Codeを回し続けるハーネスを構築し、問題を小さく分割して進捗を記録しながら作業を続けるよう指示しました。

並列化は、ベアのgitリポジトリを各エージェントのDockerコンテナにマウントする素朴な構成です。各エージェントはcurrent_tasksディレクトリにテキストファイルを書き込むことでタスクのロックを取り、作業後に他エージェントの変更をマージしてプッシュし、ロックを外します。エージェント間の通信手段やオーケストレーション用のエージェントは用意せず、それぞれのClaudeが次に取り組む課題を自分で判断します。

自律稼働を支える設計の知見

• ▸極めて高品質なテスト — 検証器がほぼ完全でないとClaudeは誤った問題を解いてしまうため、テストスイートの整備を重ね、新しいコミットが既存機能を壊さないよう継続的インテグレーションと厳格な強制も導入
• ▸コンテキスト汚染への配慮 — テスト出力は数行にとどめ、重要な情報はgrepで見つけやすい形式のログファイルへ記録し、集計済みの統計も事前計算
• ▸時間感覚の欠如への対応 — Claudeは時間が分からずテスト実行に何時間も費やしてしまうため、テストの1%や10%を決定的なランダムサンプルで実行する高速オプションを用意
• ▸並列化しやすい課題設計 — Linuxカーネルのような一枚岩のタスクでは全エージェントが同じバグに集中してしまったため、GCCを正解のオラクルとして一部のファイルだけを自作コンパイラでコンパイルする仕組みを作り、ファイル単位で分担できるようにした
• ▸役割の専門化 — 重複コードの統合、コンパイラ自体の性能改善、生成コードの効率化、Rust開発者視点での設計批評、ドキュメント整備などを別々のエージェントに割り当て

完成したコンパイラの成果

• ▸規模と条件 — Rust標準ライブラリのみに依存する10万行のクリーンルーム実装で、開発中は一切インターネットにアクセスしていない
• ▸ビルド実績 — 起動可能なLinux 6.9をx86・ARM・RISC-V向けにビルドでき、QEMU・FFmpeg・SQLite・postgres・redisなどもコンパイル可能
• ▸テスト合格率 — GCCのtortureテストを含む主要なコンパイラテストスイートの多くで99%に到達し、Doomのコンパイルと実行にも成功
• ▸コスト — 2週間・約2,000セッションで入力20億トークン・出力1.4億トークンを消費し、総額は2万ドル弱

残された限界

• ▸16ビットx86 — リアルモードからの起動に必要な16ビットコード生成はLinuxが課す32KBのコード制限を満たせず、この部分のみGCCを呼び出す(ARMとRISC-Vは完全に自前でコンパイル可能)
• ▸アセンブラとリンカ — 自動化に着手した最終盤の部分で、まだややバグが残る
• ▸生成コードの効率 — 全最適化を有効にしても、最適化を無効にしたGCCより非効率なコードを出力する
• ▸コード品質 — 妥当な水準だが、熟練したRustプログラマの成果には遠く及ばない

筆者はこれらの制限の修正を試みたものの完全には成功せず、新機能やバグ修正が既存機能を壊すことが頻発したことから、このコンパイラはOpusの能力の限界近くに達していると述べています。ソースコードは公開されており、今後もClaudeによる改良の続きを追えるとしています。

今後の見通しと懸念

エージェントチームは、複雑なプロジェクト全体を自律的に実装できる可能性を示し、ツールの利用者がより野心的な目標を持てるようになるとしています。一方で、テストが通っただけで完了と思い込みやすい自律システムの危うさや、人が自ら検証していないソフトウェアを展開することへの懸念も示し、安全に進むための新しい戦略が必要になる新しい世界に入りつつあると締めくくっています。